利用潜在工人/任务关联信息的异构图神经网络用于众包标签聚合
机器学习
2021-05-14 v2 人机交互
摘要
众包因其能从非专家工人而非专家处收集标签的便利性而备受关注。然而，由于非专家处噪声水平较高，需要一种通过结合来源可信度来学习真实标签的聚合模型。本文提出一种基于图神经网络的众包标签聚合新框架。我们构建工人与任务之间的异构图，并推导一种新的图神经网络来学习节点表示与真实标签。此外，我们在图神经网络中加入同质注意力层，以利用同类节点（工人或任务）间未知的潜在交互。在 13 个真实数据集上的实验结果表明，该方法优于最先进的模型（SOTA）。
引用
@article{arxiv.2010.13080,
title = {Exploiting Heterogeneous Graph Neural Networks with Latent Worker/Task Correlation Information for Label Aggregation in Crowdsourcing},
author = {Hanlu Wu and Tengfei Ma and Lingfei Wu and Shouling Ji},
journal= {arXiv preprint arXiv:2010.13080},
year = {2021}
}
备注
Accepted by TKDD